腾讯混元开源 Hy Memory 2.0 记忆模型与框架
AI 总结
腾讯混元发布并开源 Hy Memory 2.0，包含专用记忆模型 Hy-Memory-30B-A3B（约 30B 总参数、约 3B 激活参数，Apache-2.0 许可）、记忆框架 SDK 与本地记忆应用 MemHub（提供 CLI 与 Mac 端）。该模型专为外部记忆框架的「写入路径」训练，用于替代 Mem0、MemOS、Hy-Memory 中的通用大模型，决定保留哪些信息、如何表示以及如何用新证据更新记忆库，官方称其在聊天、工作、代码三类场景的四个基准上均列第一，其中工作记忆与代码记忆为 2.0 新增能力。据官方与 arXiv 论文数据，在 Mem0、Hy-Memory、MemOS 和训练中留出的 EverMemOS 四套框架的固定 20% 子样本上，该模型宏观平均得分 55.49%，高于 Claude Opus 5 的 54.62%、DeepSeek V4.1 Flash 的 53.64% 与 Qwen3-30B-A3B 的 44.37%。IT之家还提到聊天记忆在 LoCoMo 上准确率 72.6%，每题所用 Token 由 1,159 降至 703。MemHub 以插件形式接入 WorkBuddy、Cursor、Codex、Qwen Code、DeepSeek Harness、OpenCode 等 10 种 AI 工具，同步本地记忆。
深度见解
记忆写入是长程智能体的瓶颈之一，用约 3B 激活参数的专用小模型替代通用大模型做记忆管理，若能兑现，可同时降低 Token 成本并提升跨工具、跨会话的连续性。